Ce projet automatise l'extraction et la structuration des informations médicales contenues dans les Résumés des Caractéristiques du Produit (RCP) des médicaments. Il permet de transformer des fichiers HTML en données exploitables pour des analyses statistiques, des rapports ou des intégrations dans des pipelines de données. L'objectif est de faciliter l'accès et l'exploitation des données réglementaires des médicaments pour les professionnels de santé ou les organismes publics.

Outil d'extraction et de synchronisation automatisée des fournisseurs d'identité et de services depuis une base MongoDB vers des tables Grist. Il compare les données extraites avec les enregistrements existants, met à jour les tables si des modifications sont détectées, et génère un journal des changements et des nouveaux fournisseurs identifiés.

Ce projet automatise le traitement et la transformation de données médicales en utilisant le standard FHIR (Fast Healthcare Interoperability Resources). Il permet d'intégrer, normaliser et valider des données de santé issues de différentes sources pour les rendre exploitables dans des systèmes d'information médicaux. Le pipeline gère l'extraction, le nettoyage, le stockage et la mise à disposition des données via une API FHIR, facilitant ainsi l'interopérabilité entre systèmes de santé.

Service automatisé d'extraction et de structuration de tableaux financiers à partir de documents PDF (comptes sociaux). Utilise des technologies d'OCR neuronal et de modèles de langage pour transformer des documents scannés ou nativement numériques en données structurées exploitables. Permet une analyse rapide et fiable des données comptables pour des audits, des comparaisons ou des rapports automatisés.

Ce projet propose une collection de notebooks et scripts permettant d'extraire des jeux de données de manière reproductible à partir de données ouvertes et liées. Il facilite la création de pipelines automatisés pour transformer et structurer des informations issues du web sémantique, afin de les rendre exploitables pour des analyses ou des applications ultérieures.

Outil dédié à l'extraction et à la structuration des informations contenues dans les fichiers XML des décisions de justice. Il permet de transformer des documents administratifs complexes en données textuelles et métadonnées accessibles, facilitant ainsi leur analyse et leur exploitation par des professionnels du droit ou des systèmes automatisés.

Ce projet automatise l'extraction de triplets RDF à partir de données archéologiques structurées en utilisant des modèles de langage (LLM) et l'ontologie CIDOC CRM. Il facilite la création de graphes de connaissances archéologiques en combinant des données spécifiques au domaine avec des stratégies de prompting avancées. Développé dans le cadre du projet ANR Digitalis, il propose trois approches pour générer des triplets sémantiques précis et adaptés aux besoins de l'archéologie.

TARDIS est une plateforme qui centralise les décisions publiques des autorités de concurrence membres du Réseau International de la Concurrence (ICN) dans un format structuré et lisible par machine. Le projet vise à faciliter l'accès et l'analyse des décisions juridiques pour les professionnels, en permettant une extraction automatisée des textes depuis des documents PDF. Les données sont hébergées sur une plateforme partagée pour améliorer la transparence et soutenir l'innovation via des outils d'intelligence artificielle.

Outil dédié à l'extraction automatisée de données depuis des sites web pour enrichir des bases documentaires. Permet de structurer et archiver des contenus en ligne afin de faciliter leur consultation et leur analyse. Utilisé principalement dans un cadre académique ou de recherche pour documenter des corpus numériques.

Ce projet automatise l'extraction et le traitement de thèses au format PDF pour les rendre exploitables sous forme de données structurées. Il facilite l'analyse et la centralisation des travaux de recherche, réduisant ainsi le temps nécessaire à leur exploitation par les chercheurs et institutions académiques.